medical codes | BriefGPT - AI 论文速递

关键词medical codes

搜索结果 - 9

HealthGAT: 使用图注意力网络对电子健康记录进行节点分类
利用图注意力网络和医学代码，通过定制电子健康记录（EHR）的预训练任务，HealthGAT 模型对 EHR 进行细化嵌入，实现了对复杂医学关系的全面分析，并在节点分类、再入院和诊断分类等下游任务中显示出优越性能。
PDF3 months ago
大型语言模型是否理解医学编码？
我们研究了大型语言模型对医疗代码的理解能力，并发现这些模型不能理解医疗代码的含义，因此需要改进医疗代码在语言模型中的表示方式。
PDF4 months ago
通过标签内部对齐有效预测医学代码
本论文提出了一种基于多视角注意力的神经网络用于从临床文本中预测医疗代码，该方法通过融合临床文本语义上下文、标签（医疗代码）空间的关系以及每对临床文本和医疗代码之间的对齐来实现，经实验证明，在开源数据集上获得了优秀的性能表现。
PDFa year ago
基于语义分解技术的大型语言模型在电子健康记录数据上的学习改进
本文介绍了 H-BERT，该模型采用完整的图树扩展表示 EHR 中的医疗编码，提高了病患归属感的预测，并创建了相关但临床不同表型的患者的不同表示。
PDF2 years ago
当前解释性是否有助于为临床笔记提供参考，以支持人类注释医学代码？
本文提出了一个基于 transformer 的可解释性医疗编码预测框架，并通过人工评估发现，尽管其预测准确性优于人类编码员，但由于当前可解释性方法的局限性，使用该系统仍需要专业编码员的专业知识。
PDF2 years ago
读、参与、编码：机器从临床笔记中预测医学编码的极限挑战
通过使用卷积神经网络（CNN）和长短期记忆（LSTM）网络，将医疗代码分配映射与卷积嵌入相连接，使用自我关注和代码标题引导注意力模块，结合基于句子排列的数据增强和随机权重平均训练，该研究提供的 Read，Attend 和 Code（RAC）
PDF3 years ago
RetainVis: 电子病历可解释互动循环神经网络的可视化分析
设计了 RetainVis 工具来提高基于可解释和可交互 Recurrent Neural Networks 的电子病历风险预测模型的可解释性与交互性，通过对心力衰竭和白内障症状的患者的 EMR 数据进行的实验，研究证明了该工具的有效性。
PDF6 years ago
ACL临床文本中医疗代码的可解释预测
本文提出了一种使用卷积神经网络和注意力机制对临床文本进行医学编码的方法，并展示了该方法在精度和可解释性方面的优势。
PDF6 years ago
基于注意力的双向递归神经网络用于医疗诊断预测
该研究提出了一种基于循环神经网络和注意力机制的模型 Dipole，用于利用历史电子健康病历预测患者未来健康信息，并成功应用于真实数据集。
PDF7 years ago